[論文レビュー] Structure-Preserving Model Reduction of Forced Hamiltonian Systems

Liqian Peng, Kamran Mohseni|arXiv (Cornell University)|Mar 11, 2016

Model Reduction and Neural Networks参考文献 16被引用数 5

ひとこと要約

本稿では、正準座標を用いたd’Alembertの原理に基づく変分的・射影的定式化を通じて、保存則を強制的に満たすように設計された、強制ハミルトニアン系に対する構造保存型モデル還元手法である適切なシンプレクティック分解（PSD）を提案する。この手法は、元の系のシンプレクティック構造、強制力のダイナミクス、エネルギー挙動を保持する。標準的な固有直交分解（POD）とは異なり、PSDは変分的および射影的定式化によってd’Alembertの原理を強制的に満たすことで、長期的な安定性と物理的整合性を保証する。数値結果では、散乱波方程式において、PSDがPODに比べて優れた安定性と精度を示している。

ABSTRACT

This paper reports a development in the proper symplectic decomposition (PSD) for model reduction of forced Hamiltonian systems. As an analogy to the proper orthogonal decomposition (POD), PSD is designed to build a symplectic subspace to fit empirical data. Our aim is two-fold. First, to achieve computational savings for large-scale Hamiltonian systems with external forces. Second, to simultaneously preserve the symplectic structure and the forced structure of the original system. We first reformulate d'Alembert's principle in the Hamiltonian form. Corresponding to the integral and local forms of d'Alembert's principle, we propose two different structure-preserving model reduction approaches to reconstruct low-dimensional systems, based on the variational principle and on the structure-preserving projection, respectively. These two approaches are proven to yield the same reduced system. Moreover, by incorporating the vector field into the data ensemble, we provided several algorithms for energy preservation. In a special case when the external force is described by the Rayleigh dissipative function, the proposed method automatically preserves the dissipativity, boundedness, and stability of the original system. The stability, accuracy, and efficiency of the proposed method are illustrated through numerical simulations of a dissipative wave equation.

研究の動機と目的

• 大規模な強制ハミルトニアン系の物理的構造を保存するモデル還元技術の開発を目的とする。
• 還元モデルがシンプレクティック構造、エネルギー保存則、安定性を維持することを保証する。標準的なPODとは異なり、不安定または非物理的な結果を生じる可能性があるためである。
• レイリー散乱関数を組み込むことで、散乱系へのシンプレクティックモデル還元を拡張し、散乱性と有界性を保持する。
• 同じ複雑度を有するが物理的忠実度が優れているため、PODの計算的に効率的な代替手法を提供する。
• 正準座標を用いたd’Alembertの原理を満たす任意の機械的系に適用可能なフレームワークを確立する。

提案手法

• d’Alembertの原理をハミルトニアン形式に再定式化し、この原理を満たす強制ハミルトニアン方程式を導出する。
• 2つの構造保存型還元アプローチを提案する：1つは変分原理に基づくもの、もう1つは構造保存型射影に基づくもので、両者とも同等の還元系をもたらす。
• 実測データに適合するシンプレクティック部分空間を適切なシンプレクティック分解（PSD）により構築する。これはPODに類似しているが、シンプレクティック幾何を保存する。
• 系のエネルギーの時間微分を還元モデルに保存するために、ベクトル場をデータ集合に組み込む。
• レイリー散乱関数を用いることで、還元系において散乱性、有界性、リャプノフ安定性を自動的に保持する。
• 1次元散乱波方程式にPSD法を適用し、安定性、精度、計算効率の妥当性を検証する。

実験結果

リサーチクエスチョン

• RQ1 強制ハミルトニアン系のモデル還元は、シンプレクティック構造と強制ダイナミクスを保存しつつ、長期的安定性を確保できるか？
• RQ2 散乱系において、PSD手法はPODに比べてエネルギーと安定性をどのようにより良く保持するか？
• RQ3 変分原理と構造保存型射影は、強制ハミルトニアン力学の文脈で同等の還元系をもたらすか？
• RQ4 外部力がレイリー関数によってモデル化される場合、PSDはどのような条件下で散乱性と有界性を保持するか？
• RQ5 PSDの計算複雑度はPODと同等であり、物理的忠実度を著しく上回るのか？

主な発見

• PSD手法はシンプレクティック構造と強制ハミルトニアンダイナミクスを保持し、還元系がd’Alembertの原理を満たすことを保証する。したがって、物理的に整合性がある。
• 変分的および射影に基づくPSD還元アプローチは、同一の還元系をもたらし、理論的整合性を確認した。
• 散乱波方程式において、PSDは有界性とリャプノフ安定性を維持するが、PODは特に拡散係数が小さい場合に、固有値の実部が正となるため不安定になる。
• β = 10⁻³の場合、PODの還元系は全テストされた部分空間次元kについて不安定であり、Re(λ*) > 0 となるため、エネルギーの爆発を示す。
• β = 10²の場合、PODはk = 10およびk = 20でのみ安定するが、PSDはパrameter設定に関係なく安定性を保証する。
• PSD手法はPODとほぼ同等の計算複雑度を達成しており、リアルタイム応用に実用的である。一方で、安定性および物理的正確性において、PODを著しく上回っている。